Máster semipresencial en Ingeniería Informática y Big Data

Plan de estudios 

MÓDULO 1. DIRECCIÓN DE PROYECTOS TIC

• Tema 1. Dirección de Proyectos TIC
• Tema 2. Auditoría y Calidad de los Sistemas Informáticos
• Tema 3. Desarrollo de Inteligencia Artificial Avanzada
• Tema 4. Servicios y Aplicaciones Web
• Tema 5. Tecnología y Desarrollo en Dispositivos Móviles
• Tema 6. Sistemas de Gestión de Seguridad de la Información
• Tema 7. Análisis Inteligente de Datos
• Tema 8. Servicios Big Data
• Tema 9. Optimización para Grandes Volúmenes de Datos
• Tema 10. Bases de Datos a Gran Escala
• Tema 11. Aplicaciones del Análisis de Big Data a los Negocios
• Tema 12. Inteligencia Artificial
• Tema 13. Visualización de Datos
• Tema 14. Tecnologías de Bases de Datos

MÓDULO 2. AUDITORÍA Y CALIDAD DE LOS SISTEMAS INFORMÁTICOS

• Tema 1. Definición y Conceptos Básicos de la Calidad en Sistemas Informáticos
• Tema 2. Factores que Influyen en la Calidad
• Tema 3. Planificación de la Calidad
• Tema 4. Gestión de la Calidad en Proyectos de Software
• Tema 5. Organización de un Plan de Calidad
• Tema 6. Control de la Calidad
• Tema 7. Métodos del Control de la Calidad
• Tema 8. Pruebas de Calidad en Sistemas Informáticos
• Tema 9. Estrategia de Pruebas
• Tema 10. Mejora Continua en el Proceso de Pruebas
• Tema 11. Métricas y Herramientas para Medir la Calidad
• Tema 12. Herramientas de Evaluación de Calidad
• Tema 13. Calidad en las Fases del Desarrollo
• Tema 14. Ejemplos Reales de Cada Fase del Desarrollo
• Tema 15. Mejora Continua
• Tema 16. Implementación en el Ciclo de Mejora Continua
• Tema 17. Revisión en el Ciclo de Mejora Continua

MÓDULO 3. DESARROLLO DE INTELIGENCIA ARTIFICIAL AVANZADA

• Tema 1. Tipos de Aprendizaje
• Tema 2. Algoritmos avanzados de Machine Learning
• Tema 3. Modelos de Ensamble
• Tema 4. Redes Neuronales Artificiales
• Tema 5. Técnicas de entrenamiento en Redes Neuronales
• Tema 6. Modelos Recurrentes y Variantes
• Tema 7. Cómo Mejoran las RNN para manejar secuencias Largas y Dependencias a Largo Plazo
• Tema 8. Introducción a los Transformers: Revolucionando el Procesamiento del Lenguaje Natural
• Tema 9. Mecanismo de Atención y la Arquitectura de Transformers
• Tema 10. Aplicaciones de Transformers: Ventajas, desventajas y principales modelos
• Tema 11. Técnicas de Optimización y Regularización de Modelos
• Tema 12. Optimización de hiperparámetros: estrategias como grid search y random search
• Tema 13. Despliegue y Mantenimiento de Modelos en Producción
• Tema 14. Monitoreo y actualización de modelos en entornos productivos

MÓDULO 4. SERVICIOS Y APLICACIONES WEB

• Tema 1. Introducción al Desarrollo de Aplicaciones Web (DAW)
• Tema 2. Conceptos Básicos de Desarrollo Web
• Tema 3. Arquitecturas Client-Server
• Tema 4. Frontend vs Backend
• Tema 5. Lenguajes y tecnologías fundamentales: HTML, CSS y JavaScript
• Tema 6. Herramientas y entornos de desarrollo
• Tema 7. Gestión de proyectos y dependencias
• Tema 8. Introducción a frameworks y librerías
• Tema 9. Crear una página Web estática con HTML y CSS
• Tema 10. Introducción a Git: Commits y pushes básicos
• Tema 11. Fundamentos de la Arquitectura MVC
• Tema 12. Implementación del MVC en Aplicaciones Web
• Tema 13. Patrones de Diseño Relacionados
• Tema 14. Integración de MVC con Tecnologías Frontend
• Tema 15. Manejo de Rutas y URLs Amigables
• Tema 16. Seguridad y autenticación en aplicaciones MVC
• Tema 17. ASP.NET Core
• Tema 18. Razor Pages
• Tema 19. ASP.NET Core MVC
• Tema 20. Integración de HTML, CSS y JavaScript en ASP.NET Core
• Tema 21. Introducción a Vue.js
• Tema 22. Desarrollo con Vue.js
• Tema 23. Introducción a Angular
• Tema 24. Desarrollo con Angular
• Tema 25. Comparativa entre Vue.js y Angular
• Tema 26. Creación de APIs RESTful con ASP.NET Core
• Tema 27. Seguridad en APIs
• Tema 28. Documentación y pruebas de APIs
• Tema 29. Integración del Backend con Frontend (Vue.js/Angular)

MÓDULO 5. TECNOLOGÍA Y DESARROLLO EN DISPOSITIVOS MÓVILES

• Tema 1. Sistemas de Comunicación Inalámbricos
• Tema 2. Comunicaciones Inalámbricas
• Tema 3. Pasado, presente y futuro de las Comunicaciones Inalámbricas
• Tema 4. Introducción a los Dispositivos móviles
• Tema 5. Componentes de los dispositivos móviles
• Tema 6. Redes a las que puede acceder un dispositivo móvil
• Tema 7. Lenguajes de programación para móviles
• Tema 8. Ejemplos de entornos de programación
• Tema 9. Metodología de desarrollo de aplicaciones móviles
• Tema 10. Características de un proyecto de desarrollo para dispositivos móviles
• Tema 11. Modelos de negocio para aplicaciones móviles
• Tema 12. Planificación y dirección de proyectos tecnológicos móviles
• Tema 13. Fundamentos del desarrollo de aplicaciones móviles sobre Android
• Tema 14. Interfaz gráfica de usuario (GUI) en Android
• Tema 15. Herramientas de desarrollo Android
• Tema 16. Diseño de aplicaciones móviles
• Tema 17. Buenas prácticas de diseño
• Tema 18. Problemática de la seguridad en dispositivos móviles
• Tema 19. Seguridad en las comunicaciones inalámbricas
• Tema 20. Seguridad en el sistemas operativo y las aplicaciones
• Tema 21. Seguridad para el usuario
• Tema 22. Prácticas de seguridad recomendada
• Tema 23. Ecosistema de aplicaciones móviles y app stores
• Tema 24. Modelos de negocio para aplicaciones móviles
• Tema 25. Marketing y tecnología móvil
• Tema 26. Planificación y dirección de proyectos tecnológicos móviles

MÓDULO 6. SISTEMAS DE GESTIÓN DE SEGURIDAD DE LA INFORMACIÓN

• Tema 1. Dimensiones de la Seguridad de la Información
• Tema 2. Gestión de la Seguridad de la Información
• Tema 3. Normativa Legal en España
• Tema 4. Estándares de Seguridad de la Información
• Tema 5. Análisis De Riesgos
• Tema 6. Ciclo de vida de la seguridad
• Tema 7. Justificación y estudio de riesgos
• Tema 8. Metodologías de análisis de riesgos
• Tema 9. Gestión de riesgos
• Tema 10. Sistema de Gestión de la Seguridad de la Información (SGSI)
• Tema 11. Normativas internacionalmente reconocidas
• Tema 12. Planificar: Establecer el SGSI
• Tema 13. Hacer: Implantar y operar el SGSI
• Tema 14. Verificar: Monitorizar y Revisar el SGSI
• Tema 15. Desarrollo de un marco normativo de Seguridad de la información
• Tema 16. Clasificación de la información
• Tema 17. Herramientas para un SGSI
• Tema 18. Factores críticos de éxito en la implantación de un SGSI
• Tema 19. Planes de continuidad de negocio
• Tema 20. Esquema Nacional de Seguridad (ENS)
• Tema 21. Política de seguridad en el Esquema Nacional de Seguridad (ENS)
• Tema 22. Análisis y gestión de riesgos en el ENS

MÓDULO 7. ANÁLISIS INTELIGENTE DE DATOS

• Tema 1. Introducción al Análisis Inteligente de Datos
• Tema 2. Conceptos fundamentales
• Tema 3. Tratamiento de Datos
• Tema 4. Análisis Visual de Datos
• Tema 5. Metodología y áreas de aplicación
• Tema 6. Inteligencia Artificial Explicable (XAI)
• Tema 7. Inteligencia de Negocio (Business Intelligence)
• Tema 8. Selección y transformación de atributos
• Tema 9. Segmentación, predicción e identificación de patrones
• Tema 10. Técnicas avanzadas de análisis
• Tema 11. Herramientas de inteligencia de negocio
• Tema 12. Comparativa de técnicas y parámetros

MÓDULO 8. SERVICIOS BIG DATA

• Tema 1. Big Data
• Tema 2. Evolución y contexto empresarial del Big Data
• Tema 3. Arquitecturas y paradigmas en Big Data
• Tema 4. Cuándo emplear Big Data
• Tema 5. Ejemplos de uso de Big Data en distintos sectores
• Tema 6. Tipologías de datos
• Tema 7. Clasificación de bases de datos NoSQL
• Tema 8. Criterios de selección
• Tema 9. Prácticas y herramientas
• Tema 10. Arquitectura de Apache Hadoop
• Tema 11. Apache Spark
• Tema 12. Flujo de trabajo con ecosistema Big Data
• Tema 13. Ejemplos de procesamiento de grandes volúmenes de datos (logs, datos de redes sociales, etc.)
• Tema 14. Comparativa de tiempos de ejecución entre Hadoop y Spark
• Tema 15. Introducción a soluciones Cloud
• Tema 16. Principales proveedores y servicios
• Tema 17. Estrategias de migración y hibridación
• Tema 18. Escenarios de alto nivel
• Tema 19. Big Data Analytics
• Tema 20. Perfiles y roles en Big Data
• Tema 21. Casos de éxito y prácticas empresariales
• Tema 22. Propuesta de valor y adopción

MÓDULO 9. OPTIMIZACIÓN PARA GRANDES VOLÚMENES DE DATOS

• Tema 1: Conceptos clave de optimización 
• Tema 2: Complejidad y escalabilidad 
• Tema 3: Modelos de programación distribuida 
• Tema 4: Arquitectura hardware acelerada 
• Tema 5: Métricas de eficiencia energética y financiera 
• Tema 6: Índices y diseño físico 
• Tema 7: Compresión y formatos columnar 
• Tema 8: Particionado y colocación de datos 
• Tema 9: Cachés y almacenamiento jerárquico 
• Tema 10: Optimización de consultas distribuidas 
• Tema 11: Scheduling y asignación de recursos 
• Tema 12: Optimización de pipelines DAG 
• Tema 13: Tuning de procesamiento en streaming 
• Tema 14: Aceleración hardware del análisis 
• Tema 15: Balanceo de carga y tolerancia a fallos 
• Tema 16: Algoritmos ML a gran escala 
• Tema 17: Muestreo, sketching y reducciones 
• Tema 18: Approximate Query Processing (AQP) 
• Tema 19: Auto-optimización de features y modelos 
• Tema 20: Casos prácticos sectoriales 
• Tema 21: FinOps y coste total de propiedad 
• Tema 22: Observabilidad y métricas 
• Tema 23: Green IT y eficiencia energética 
• Tema 24: Seguridad y privacidad en pipelines optimizados 
• Tema 25: Tendencias y automatización IA Ops  

MÓDULO 10. BASES DE DATOS A GRAN ESCALA

• Tema 1. Origen y calidad de datos 
• Tema 2. Formatos de datos y serialización 
• Tema 3. Almacenamiento en archivos distribuidos 
• Tema 4. ETL/ELT en ambientes Big Data 
• Tema 5. Drivers y conectividad 
• Tema 6. Modelos NoSQL y Teorema CAP 
• Tema 7. MongoDB (Document store) 
• Tema 8. Cassandra (Column-family) 
• Tema 9. Neo4j (Grafos) 
• Tema 10. Redis (Key-Value cache) 
• Tema 11. Sharding y replicación 
• Tema 12. Rendimiento y configuración 
• Tema 13. Seguridad en bases de datos distribuidas 
• Tema 14. Respaldo y recuperación 
• Tema 15. Despliegue en contenedores y cloud 
• Tema 16. Streaming y mensajería 
• Tema 17. Integración SQL + NoSQL 
• Tema 18. OLAP ligero y análisis directo 
• Tema 19. IA y analítica embebida 
• Tema 20. Monitorización y alertas 
• Tema 21. People Analytics 
• Tema 22. Marketing y ventas 
• Tema 23. Logística y operaciones 
• Tema 24. Finanzas y riesgos 
• Tema 25. Gobernanza y tendencias emergentes 

MÓDULO 11. APLICACIONES DEL ANÁLISIS DE BIG DATA A LOS NEGOCIOS 

• Tema 1. People Analytics y retención del talento
• Tema 2. Performance y engagement con NLP
• Tema 3. Segmentación y fidelización del cliente
• Tema 4. Recomendadores y experiencia personalizada
• Tema 5. Retorno de inversión en People & Customer Analytics
• Tema 6. Forecasting de campañas y promociones
• Tema 7. Atribución omni-canal y optimización de inversión
• Tema 8. Detección de tendencias y patrones de consumo
• Tema 9. Recomendaciones y personalización en ventas
• Tema 10. Reporting estratégico de marketing
• Tema 11. Optimización del transporte y última milla
• Tema 12. Gestión inteligente de cadena de suministro
• Tema 13. IoT y sensores para eficiencia operativa
• Tema 14. Toma de decisiones para expansión de negocio
• Tema 15. Gobernanza de datos y estrategia AI futura

MÓDULO 12. INTELIGENCIA ARTIFICIAL

• Tema 1. Introducción al análisis de datos con Python
• Tema 2. Introducción al machine learning
• Tema 3. Machine learning supervisado
• Tema 4. Machine learning no supervisado
• Tema 5. Reinforcement Learning
• Tema 6. Fundamentos de Deep Learning

MÓDULO 13. VISUALIZACIÓN DE DATOS

• Tema 1. Teoría de la visualización de datos
• Tema 2. Python
• Tema 3. CARTO
• Tema 4. Power BI
• Tema 5. Google Data Studio

MÓDULO 14. TECNOLOGÍAS DE BASES DE DATOS

• Tema 1. Fundamentos de bases de datos
• Tema 2. Data technology
• Tema 3. Práctica de SQL (MySQL)
• Tema 4. Práctica de NoSQL. MONGODB
• Tema 5. Práctica de NoSQL (HBase)
• Tema 6. Bases de datos de grafos
• Tema 7. Bases de datos en cloud